Trinity Study 再审视与亚洲适配
Trinity Study 是 FIRE 社群引用最多的研究，但它发表于 1998 年，基于美国数据。2026 年在马来西亚应用这套框架，需要批判性地重新审视——哪些结论仍然成立，哪些需要本地化调整。
Trinity Study 的核心发现回顾
graph LR
A["1998年原始研究"] --> B["2009年更新版"]
B --> C["2011年 Pfau 扩展"]
C --> D["2021年 Bengen 更新
提高至 4.7%（美国）"] B --> B1["更长数据集支持 4%"] C --> C1["首次纳入国际市场
结论：非美国市场
适合 3–3.5%"] D --> D1["小盘价值股策略可支撑更高
取款率，但更复杂"]
提高至 4.7%（美国）"] B --> B1["更长数据集支持 4%"] C --> C1["首次纳入国际市场
结论：非美国市场
适合 3–3.5%"] D --> D1["小盘价值股策略可支撑更高
取款率，但更复杂"]
对亚洲市场的三大关键差异
差异一：股市回报率
| 市场 | 过去30年实际回报率（扣通胀） | 4% 法则适用性 |
|---|---|---|
| 美国 S&P 500 | ~7% | 高度适用 |
| 全球分散配置 | ~5.5% | 需调低至 3.5% |
| 马来西亚 KLCI | ~3.5%（波动大） | 单独配置不够 |
| 日本 | ~1%（失落三十年） | 不适用 |
| 新加坡 STI | ~4% | 勉强适用 |
⚠️ 结论：马来西亚单投 KLCI 无法支撑 4% 法则。必须配置全球指数（美股 ETF 或全球 ETF）。
差异二：通货膨胀
# 马来西亚 vs 美国通胀模拟
def inflation_impact(
initial_expense_myr: float,
years: int,
malaysia_inflation: float = 0.035, # 马来西亚历史均值 ~3.5%
us_inflation: float = 0.025 # 美国历史均值 ~2.5%
) -> dict:
"""比较通胀对实际购买力的影响"""
my_final = initial_expense_myr * ((1 + malaysia_inflation) ** years)
us_equivalent = initial_expense_myr * ((1 + us_inflation) ** years)
return {
"初始月支出": f"RM {initial_expense_myr:,.0f}",
f"{years}年后马来西亚实际需要": f"RM {my_final:,.0f}",
f"{years}年后美国等效": f"RM {us_equivalent:,.0f}",
"马来西亚多需要": f"RM {my_final - us_equivalent:,.0f}"
}
# 示例：月支出 RM 5,000，30 年后需要多少？
print(inflation_impact(5000, 30))
# 30年后：RM 14,062（马来西亚）vs RM 10,485（美国）
# 差异：RM 3,577/月
通胀影响对比（月支出 RM 5,000 起）：
| 年份 | 马来西亚（3.5%通胀） | 美国（2.5%通胀） | 差额 |
|---|---|---|---|
| 10年 | RM 7,053 | RM 6,400 | RM 653 |
| 20年 | RM 9,930 | RM 8,193 | RM 1,737 |
| 30年 | RM 13,980 | RM 10,485 | RM 3,495 |
| 40年 | RM 19,682 | RM 13,425 | RM 6,257 |
💡 启示：马来西亚通胀历史高于美国约 1%，长期累积影响显著。FIRE 目标需额外上调 15–20%。
差异三：货币风险
graph TD
MYR["马币 MYR
过去30年历史"] --> D1["1997年亚洲金融危机
MYR/USD 从 2.5 → 4.2
贬值 40%+"] MYR --> D2["2014–2016年
MYR 从 3.1 → 4.5
-31%"] MYR --> D3["2023–2025年
持续承压在 4.2–4.8"] D1 --> Risk["购买力风险
进口商品、医疗设备
价格同步上涨"] D2 --> Risk D3 --> Risk Risk --> Hedge["对冲策略
配置美元计价资产
（美股 ETF）作为天然对冲"]
过去30年历史"] --> D1["1997年亚洲金融危机
MYR/USD 从 2.5 → 4.2
贬值 40%+"] MYR --> D2["2014–2016年
MYR 从 3.1 → 4.5
-31%"] MYR --> D3["2023–2025年
持续承压在 4.2–4.8"] D1 --> Risk["购买力风险
进口商品、医疗设备
价格同步上涨"] D2 --> Risk D3 --> Risk Risk --> Hedge["对冲策略
配置美元计价资产
（美股 ETF）作为天然对冲"]
亚洲适配版 Trinity Study 框架
综合三大差异，马来西亚 FIRE 实践者可参考以下修订框架：
| 参数 | 原始 Trinity Study | 马来西亚适配版 |
|---|---|---|
| 取款率 | 4% | 3%–3.5% |
| 目标倍数 | 25× | 28×–33× |
| 退休年限 | 30年 | 35–50年 |
| 股票比例 | 50–75% | 60–80%（偏高以对抗通胀） |
| 地区配置 | 美国为主 | 全球 50% / 美国 30% / 亚洲 20% |
| 通胀假设 | 2.5% | 3–4% |
蒙地卡罗模拟视角
graph LR
A["历史回测法
Trinity Study 用的方法"] --> A1["优点：真实数据
缺点：历史不等于未来"] B["蒙地卡罗模拟法
现代工具更常用"] --> B1["优点：可模拟千万种未来
给出概率分布"] A1 --> C["马来西亚 FIRE 建议
两种方法都参考"] B1 --> C C --> D["成功率目标
至少 90%（保守派 95%）"]
Trinity Study 用的方法"] --> A1["优点：真实数据
缺点：历史不等于未来"] B["蒙地卡罗模拟法
现代工具更常用"] --> B1["优点：可模拟千万种未来
给出概率分布"] A1 --> C["马来西亚 FIRE 建议
两种方法都参考"] B1 --> C C --> D["成功率目标
至少 90%（保守派 95%）"]
不同取款率的蒙地卡罗成功率（40年退休期，全球分散配置）：
| 取款率 | 40年成功率（估算） | 备注 |
|---|---|---|
| 3.0% | ~97% | 极保守，适合45岁以下提前退休 |
| 3.5% | ~92% | 推荐的马来西亚基准 |
| 4.0% | ~84% | 需要动态调整策略 |
| 4.5% | ~74% | 风险较高 |
| 5.0% | ~63% | 不建议长期使用 |
提升成功率的三个实用策略
策略一：动态取款（Guardrails Strategy）
def dynamic_withdrawal(
portfolio_value: float,
initial_withdrawal: float,
market_return_ytd: float
) -> float:
"""
动态取款策略：根据市场表现调整取款额
规则：
- 正常年份：按计划取款
- 市场下跌 >20%：减少取款 10–15%
- 市场大涨 >20%：可小幅增加取款
"""
if market_return_ytd < -0.20:
# 熊市：削减取款
return initial_withdrawal * 0.85
elif market_return_ytd > 0.20:
# 牛市：可谨慎增加
return initial_withdrawal * 1.05
else:
return initial_withdrawal
策略二：保留 1–2 年现金缓冲
市场下跌时，从现金账户取款而非被迫卖出股票，避免"低点卖出"锁定亏损。
策略三：灵活的兼职收入（Barista FIRE）
退休初期保持少量工作（咖啡师/顾问/自由职业），既降低取款压力，又维持社会联系。
本章小结
Trinity Study 的核心逻辑仍然成立——让资产的长期增长覆盖取款速度。但在马来西亚，需要做三项关键调整：更低取款率（3–3.5%）、全球化配置、通胀上调缓冲。
第一章至此完结。下一章进入实操：计算你专属的 FIRE 数字。
下一章：月支出基准与目标资产额计算